messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
VIB

Data Analyst

Hồ Chí Minh Khối Dịch vụ Công nghệ Ngân hàng
Fulltime (toàn thời gian) Thỏa thuận 1 chỉ tiêu Hạn: 2026-08-31

Mô tả công việc

Trách nhiệm: Chịu trách nhiệm thực hiện các hoạt động quản lý và phân tích dữ liệu nhằm đảm bảo tính chính xác, đầy đủ và sẵn sàng của dữ liệu phục vụ cho mục tiêu khai thác thông tin và ra quyết định kinh doanh. Đồng thời xây dựng báo cáo, dashboard và phân tích chuyên sâu hỗ trợ tối ưu hiệu quả hoạt động.

1. Quản trị dữ liệu (35%)

Hỗ trợ xây dựng, cập nhật và quản lý mô hình dữ liệu khách hàng.

Thực hiện kiểm tra, giám sát chất lượng và tính toàn vẹn của dữ liệu theo quy trình.

Phối hợp với các bên liên quan để đảm bảo dữ liệu sẵn sàng cho phân tích và khai thác.

2. Phân tích dữ liệu (35%)

Phân tích dữ liệu để trả lời các câu hỏi nghiệp vụ, xây dựng insight hỗ trợ chiến lược kinh doanh.

Thiết kế và cập nhật báo cáo, dashboard theo nhu cầu của các đơn vị.

Tham gia các sáng kiến cải tiến, khai thác AI/ML dưới sự hướng dẫn của cấp trên.

3. Quản lý rủi ro và tuân thủ (15%)

Đảm bảo tuân thủ các yêu cầu về bảo mật và pháp lý trong quản lý dữ liệu khách hàng.

Phối hợp với các đơn vị chức năng để kiểm soát rủi ro liên quan đến dữ liệu và phản hồi kiểm toán định kỳ.

Theo dõi và xử lý các vấn đề phát sinh liên quan đến chất lượng dữ liệu.

4. Phát triển năng lực cá nhân (10%)

Chủ động tham gia các khóa đào tạo, chia sẻ nội bộ.

Cập nhật kiến thức, kỹ năng chuyên môn về phân tích và dữ liệu.

5. Thực hiện các nhiệm vụ khác theo phân công của cấp quản lý (5%).
Yêu cầu:
Đại học trở lên các ngành CNTT, Hệ thống TT, Khoa học Máy tính, Toán Tin hoặc liên quan.

Tối thiểu 7 năm (Chuyên gia)/5 năm (Chuyên viên cao cấp)/3 năm (Chuyên viên chính)/2 năm (Chuyên viên) trong các lĩnh vực phát triển công nghệ, quản trị dữ liệu, phân tích dữ liệu.

Hiểu biết vững về kiến trúc dữ liệu, mô hình hóa và tích hợp dữ liệu khách hàng.

Am hiểu các phương pháp quản trị dữ liệu, quản lý chất lượng dữ liệu và khai thác dữ liệu phục vụ ra quyết định.

Am hiểu các sản phẩm ngân hàng, sản phẩm tài chính; có kinh nghiệm thực hiện các dự án liên quan đến dữ liệu khách hàng trong ngân hàng.

Thành thạo một hoặc nhiều hệ quản trị cơ sở dữ liệu (Oracle, SQL Server, PostgreSQL, MongoDB, v.v.).

Có kinh nghiệm làm việc trên nền tảng điện toán đám mây như AWS, Azure, Google Cloud hoặc Salesforce.

Sử dụng thành thạo công cụ BI và phân tích (ví dụ: Power BI, Tableau, hoặc tương đương).

Phân tích, giải quyết vấn đề logic.

Lập kế hoạch, quản lý tiến độ, điều phối nhóm.

Giao tiếp rõ ràng với đối tượng kỹ thuật và phi kỹ thuật.

Quyết định độc lập hoặc theo nhóm; huấn luyện đội ngũ.

Tiếng Anh: đọc hiểu tài liệu kỹ thuật; TOEIC tối thiểu đạt 600 hoặc IELTS tối thiểu đạt 5.5 là lợi thế.

Phân tích kỹ năng cần có

Phân tích kỹ năng cần có cho vị trí Data Analyst – VIB

🎯 Tổng quan

Đây là vị trí kết hợp giữa Data Governance (quản trị dữ liệu) và Data Analysis (phân tích dữ liệu) trong môi trường ngân hàng – yêu cầu khá toàn diện, không chỉ biết kỹ thuật mà còn phải hiểu nghiệp vụ tài chính.

---

Hard Skills (Kỹ năng cứng)

1. Nền tảng bắt buộc (Must-have)
  • SQL nâng cao: Thành thạo ít nhất 1 trong các hệ quản trị CSDL (Oracle, SQL Server, PostgreSQL, MongoDB). Ưu tiên ứng viên biết cả SQL truyền thống lẫn NoSQL.
  • Công cụ BI: Power BI hoặc Tableau (ít nhất 1 cái thành thạo, biết thêm cái kia là lợi thế).
  • Kiến trúc & Mô hình hóa dữ liệu: Data Modeling (Star Schema, Snowflake), Data Warehouse, ETL/ELT concepts.
  • Cloud Platform: AWS, Azure, GCP hoặc Salesforce (chọn 1-2 nền tảng đào sâu).
  • Ngôn ngữ lập trình hỗ trợ: Python (pandas, numpy, scikit-learn) hoặc R là cần thiết cho phân tích.
  • Kiến thức AI/ML cơ bản: Regression, Classification, Clustering, Time Series.
2. Kiến thức nghiệp vụ ngân hàng
  • Hiểu sản phẩm ngân hàng: tín dụng, thẻ, tiền gửi, thanh toán, digital banking.
  • Quy trình dữ liệu khách hàng (KYC, CDD, customer journey).
  • Hiểu biết về Data Quality, Data Lineage, Master Data Management.
3. Quản trị rủi ro & Tuân thủ
  • Quy định bảo mật dữ liệu (Luật An ninh mạng, Nghị định 13/2023 về bảo vệ dữ liệu cá nhân).
  • Kiểm toán dữ liệu, data privacy.

---

🤝 Soft Skills (Kỹ năng mềm)

  • Giao tiếp đa đối tượng: Trình bày insight cho cả team kỹ thuật lẫn ban lãnh đạo không chuyên.
  • Tư duy phản biện & giải quyết vấn đề: Phân tích logic, đặt câu hỏi đúng.
  • Quản lý dự án: Lập kế hoạch, điều phối nhóm, theo dõi tiến độ.
  • Storytelling với dữ liệu: Biến số liệu thành câu chuyện kinh doanh.
  • Khả năng huấn luyện: Ở cấp chuyên gia/cv cao cấp cần mentor cho junior.

---

📜 Chứng chỉ gợi ý

Chứng chỉ Tổ chức Mức độ ưu tiên
Google Data Analytics Certificate Coursera/Google ⭐⭐⭐⭐⭐
AWS Certified Data Analytics – Specialty AWS ⭐⭐⭐⭐⭐
Microsoft Certified: Power BI Data Analyst Microsoft ⭐⭐⭐⭐⭐
Tableau Desktop Specialist Tableau ⭐⭐⭐⭐
IBM Data Engineer Professional Coursera/IBM ⭐⭐⭐⭐
Data Governance & CDMP DAMA ⭐⭐⭐⭐
TOEIC 600+ / IELTS 5.5+ ETS / British Council ⭐⭐⭐ (lợi thế)
FRM / CAMS (cho risk) GARP / ACAMS ⭐⭐⭐

---

📊 Bảng so sánh cấp bậc & yêu cầu

Cấp bậc Kinh nghiệm Trọng tâm công việc Mức lương kỳ vọng (gross/yr)
Chuyên viên 2 năm Thực thi báo cáo, dashboard, data quality check 18 – 25 triệu
Chuyên viên chính 3 năm Phân tích chuyên sâu, đề xuất insight, phối hợp team 25 – 35 triệu
Chuyên viên cao cấp 5 năm Dẫn dắt dự án data, xây dựng framework, mentoring 35 – 55 triệu
Chuyên gia 7 năm+ Chiến lược dữ liệu, governance, AI/ML initiative 55 – 90 triệu+

---

🔥 Điểm nổi bật của JD VIB

  • Tỷ trọng công việc khá cân bằng giữa quản trị và phân tích (35%-35%) – không quá thiên về kỹ thuật thuần.
  • 15% cho risk & compliance → cần ứng viên hiểu quy định ngân hàng.
  • 10% cho phát triển cá nhân → VIB khuyến khích học hỏi.
  • Yêu cầu kinh nghiệm trong ngân hàng → ưu tiên người đã làm data ở lĩnh vực tài chính.

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn vị trí Data Analyst – VIB

📋 Quy trình tuyển dụng dự kiến (3-4 vòng)

Vòng 1: HR Interview / Phone Screen (30-45 phút)
  • Xác nhận thông tin cá nhân, mức lương mong muốn, lý do nghỉ việc.
  • Kiểm tra sơ bộ về background và mức độ phù hợp với JD.
  • Câu hi về kinh nghiệm làm data trong ngân hàng.
Vòng 2: Technical Test / Case Study (60-90 phút)
  • Test SQL/ETL: Viết query, tối ưu performance, data cleansing.
  • Case study: Cho bộ dữ liệu giả định về KH ngân hàng → yêu cầu phân tích, đưa ra insight và đề xuất hành động.
  • Có thể có: Bài test Power BI/Tableau tạo dashboard nhanh.
  • Một số trường hợp: Test Python xử lý data.
Vòng 3: Hiring Manager Interview (45-60 phút)
  • Trưởng phòng/Trưởng nhóm đánh giá:
  • Kinh nghiệm thực tế với data governance & analysis.
  • Hiểu biết sản phẩm ngân hàng.
  • Khả năng quản lý dự án, điều phối nhóm.
  • Tình huống xử lý data quality issues.
Vòng 4: Final Interview / Director (30-45 phút)
  • Đánh giá tầm nhìn, tư duy chiến lược.
  • Đặc biệt cho vị trí Chuyên viên cao cấp / Chuyên gia.
  • Thảo luận về lộ trình phát triển, mục tiêu nghề nghiệp.

---

❓ Câu hỏi phỏng vấn hay gặp

Nhóm câu hỏi Technical:

1. "Hãy giải thích cách bạn thiết kế một data warehouse cho ngân hàng bán lẻ?"
2. "Sự khác biệt giữa Star Schema và Snowflake Schema? Khi nào dùng cái nào?"
3. "Làm thế nào để đảm bảo data quality khi tích hợp từ nhiều hệ thống core banking?"
4. "Cho một bảng giao dịch 100 triệu dòng, viết query tính tổng chi tiêu của top 10% khách hàng VIP trong 6 tháng gần nhất."
5. "So sánh Power BI, Tableau, Looker. Bạn chọn cái nào cho team 20 người ở ngân hàng?"
6. "Bạn xử lý thế nào khi phát hiện dữ liệu KYC bị duplicate?"

Nhóm câu hỏi về nghiệp vụ ngân hàng:

7. "Các chỉ số KPI quan trọng nhất cho ngân hàng bán lẻ là gì?"
8. "Customer churn trong ngân hàng số được đo như thế nào?"
9. "Khi nào nên dùng RFM segmentation cho khách hàng th tín dụng?"

Nhóm câu hỏi Soft Skills / Behavior:

10. "Mô tả một lần bạn phải trình bày insight dữ liệu cho ban lãnh đạo không chuyên kỹ thuật."
11. "Bạn xử lý xung đột khi các phòng ban không thống nhất về định nghĩa một chỉ số?"
12. "Tình huống dự án data bị trễ deadline, bạn làm gì?"

Nhóm câu hỏi AI/ML (nếu apply cấp cao):

13. "Bạn đã tham gia dự án AI/ML nào trong ngân hàng? Vai trò của bạn?"
14. "Làm sao để ứng dụng predictive model vào phê duyệt tín dụng mà vẫn tuân thủ?"

---

👔 Dress Code

  • Nam: Áo sơ mi (có thể không cần vest), quần tây, giày tây. Có thể smart-casual.
  • Nữ: Áo blouse + quần tây/váy công sở, giày búp bê hoặc giày cao gót thấp.
  • Màu sắc: Trung tính (trắng, xanh nhạt, navy) – tránh quá màu mè.
  • VIB nổi tiếng với văn hóa năng động, đổi mới → không cần quá formal như ngân hàng nhà nước.

---

💡 Tips chuẩn bị

1. Ôn lại SQL thật kỹ: window functions, CTE, query optimization, indexing.
2. Chuẩn bị portfolio: 2-3 dashboard bạn đã làm (chụp màn hình, mô tả insight).
3. STAR method cho câu hỏi hành vi: Situation – Task – Action – Result.
4. Research VIB: Văn hóa số hóa (VIB đầu tư mạnh vào app MyVIB), các sản phẩm nổi bật (thẻ tín dụng, vay mua xe, iBis).
5. Chuẩn bị sẵn câu hỏi cho interviewer (2-3 câu) – thể hiện sự quan tâm.
6. Test camera/micro trước nếu phỏng vấn online.

Lộ trình ôn thi

Lộ trình ôn tập 1-2 tuần cho Data Analyst – VIB

📚 Kiến thức nền cần nắm

Tuần 1: Nền tảng kỹ thuật

Ngày 1-2: SQL nâng cao

  • JOIN (INNER, LEFT, RIGHT, FULL), Subquery, CTE.
  • Window Functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD.
  • Aggregate functions, GROUP BY, HAVING.
  • Query optimization: EXPLAIN PLAN, indexing.
  • Bài tập: LeetCode (SQL section), HackerRank SQL.

Ngày 3-4: Data Modeling & Data Warehouse

  • Khái niệm: OLTP vs OLAP, ETL vs ELT.
  • Star Schema, Snowflake Schema, Data Vault.
  • Slowly Changing Dimensions (SCD Type 1, 2, 3).
  • Tài liệu: "The Data Warehouse Toolkit" – Ralph Kimball.

Ngày 5: BI Tools (Power BI hoặc Tableau)

  • DAX (Power BI) hoặc LOD/Table Calculations (Tableau).
  • Tạo dashboard tương tác, parameters, drill-down.
  • Best practices về visualization.

Ngày 6-7: Cloud & Python

  • AWS/Azure cơ bản: S3, Redshift, BigQuery, Databricks.
  • Python: pandas, numpy, matplotlib/seaborn, scikit-learn.
  • Jupyter Notebook workflow.

---

Tuần 2: Nghiệp vụ ngân hàng & Case study

Ngày 8-9: Sản phẩm & nghiệp vụ NH

  • Tìm hiểu sản phẩm VIB: thẻ tín dụng, vay mua ô tô, tiết kiệm, App MyVIB.
  • Đọc báo cáo thường niên VIB, các dự án chuyển đổi số.
  • Hiểu về Basel II/III, tỷ lệ an toàn vốn (CAR), NPL.
  • Tài liệu: "Banking Domain Knowledge" trên Udemy, các khóa học về Credit Risk.

Ngày 10-11: Data Governance & Compliance

  • Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
  • Data Quality Framework (accuracy, completeness, consistency, timeliness).
  • Master Data Management (MDM).
  • Data lineage, metadata management.

Ngày 12-13: Case Study thực tế

  • Kaggle: "Bank Marketing", "Credit Card Fraud Detection", "Customer Segmentation".
  • Tự phân tích: Customer Lifetime Value (CLV), RFM Segmentation, Churn Prediction.
  • Tạo dashboard demo cho case: "Phân tích hiệu quả chiến dịch thẻ tín dụng Q1".

Ngày 14: Mock Interview & Review

  • Tự luyện hoặc nhờ bạn bè phỏng vấn giả.
  • Review lại toàn bộ kiến thức, ghi chú các câu hỏi khó.
  • Chuẩn bị portfolio PDF/website cá nhân.

---

📖 Tài liệu tham khảo

Chủ đề Tài liệu Nguồn
SQL "SQL for Data Analysts" – Zack Arnold sach (tiếng Anh)
Data Warehouse "The Data Warehouse Toolkit" – Ralph Kimball kinh điển
Power BI "DAX Patterns" – SQLBI.com miễn phí online
Tableau Tableau Public Training Videos miễn phí
Ngân hàng Báo cáo thường niên VIB vib.com.vn
Python Data "Python for Data Analysis" – Wes McKinney sach
Data Governance DAMA-DMBOK (Data Management Body of Knowledge) chuẩn ngành
AI/ML "Hands-On ML" – Aurélien Géron sach
Tiếng Anh TOEIC Economy TOEIC, Luyện đề ETS NN

🎓 Khóa học online gợi ý

  • Google Data Analytics Professional Certificate (Coursera) – nền tảng tốt.
  • IBM Data Engineer Professional (Coursera).
  • Microsoft Certified: Power BI Data Analyst (LinkedIn Learning).
  • AWS Certified Data Analytics (A Cloud Guru / Udemy).
  • SQL for Data Analysis (Mode Analytics – miễn phí).

✅ Checklist trước ngày phỏng vấn

  • [ ] Ôn xong SQL advanced + Data Modeling.
  • [ ] Đã thực hành 5-10 case study ngân hàng.
  • [ ] Portfolio có 2-3 dashboard + 1 project Python.
  • [ ] Đọc 1 lần báo cáo thường niên VIB.
  • [ ] Liệt kê 5 câu hỏi để hỏi interviewer.
  • [ ] Test thiết bị (nếu phỏng vấn online).
  • [ ] Chuẩn bị CV + portfolio giấy in sẵn.

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho Data Analyst ngân hàng

🛤️ Lộ trình thăng tiến

```
Junior DA → Chuyên viên (2 năm)

Chuyên viên chính (3-4 năm)

Chuyên viên cao cấp / Senior DA (5-6 năm)

Chuyên gia / Lead Data Analyst (7-10 năm)

Trưởng phòng Data Analytics / Data Governance Manager

Giám đốc Data / Chief Data Officer (CDO)
```

Lưu ý: Trong ngân hàng, có thể rẽ sang các hướng:

  • Data Engineer (nếu thích kỹ thuật hơn).
  • Data Scientist (nếu đào sâu AI/ML).
  • Business Analyst / Product Manager (nếu thích nghiệp vụ).
  • Risk Analyst (nếu thích compliance + data).
  • CDO / Chief Data Officer (mục tiêu dài hạn – rất hot trong ngân hàng).

---

💰 Mức lương kỳ vọng theo cấp bậc (Gross/tháng, HCM)

Cấp bậc Kinh nghiệm VIB & Top private banks Mid-tier banks
Chuyên viên 2 năm 18 – 25 triệu 15 – 20 triệu
Chuyên viên chính 3-4 năm 25 – 38 triệu 20 – 30 triệu
Chuyên viên cao cấp 5-6 năm 40 – 60 triệu 30 – 45 triệu
Chuyên gia / Lead 7-10 năm 60 – 95 triệu 45 – 70 triệu
Manager 10+ năm 90 – 150 triệu 70 – 120 triệu

Lưu ý thực tế:

  • VIB thuộc nhóm private bank top đầu → mức lương cạnh tranh.
  • Cộng thêm: 13th, 14th month salary, thưởng KPI, thưởng cổ phiếu ESOP (nếu có).
  • Chế độ BHXH, BHYT, bảo hiểm sức khỏe PVI/Bảo Việt.
  • VIB có chính sách hybrid working ở một số phòng ban.

---

📈 Kỹ năng cần phát triển thêm

Ngắn hạn (6 tháng)

1. SQL optimization sâu hơn → xử lý big data.
2. 1 cloud platform thành thạo (ưu tiên AWS).
3. Storytelling với data – học cách kể chuyện qua dashboard.
4. Nghị định 13/2023 về bảo vệ dữ liệu cá nhân – hiểu rõ.

Trung hạn (1-2 năm)

1. Python + ML cơ bản (scikit-learn, XGBoost).
2. DataOps / MLOps – tự động hóa pipeline.
3. Chứng chỉ quốc tế: AWS Data Analytics, Power BI, hoặc CDMP.
4. Kinh doanh ngân hàng sâu: Tìm hiểu Basel III, IFRS 9, ESG reporting.

Dài hạn (3-5 năm)

1. Leadership & Strategy: Quản lý team, xây dựng data strategy.
2. AI Governance & Ethics: Xu hướng tất yếu khi ngân hàng ứng dụng AI.
3. Networking: Tham gia cộng đồng (Vietnam Data Analytics, Vietnam Data Science).
4. Tiếng Anh: TOEIC 700+, IELTS 6.5+ để đọc paper, làm việc với vendor nước ngoài.

---

💡 Lời khuyên thực tế từ "đàn anh"

1. Đng chỉ làm tool, hãy hiểu business: Data Analyst mà không hiểu sản phẩm ngân hàng thì ch là "thợ SQL". Hãy dành thời gian ngồi với sales, marketing, ops để hiểu vấn đề thực sự.

2. Xây dựng "personal brand" trong team: Chia sẻ insight, viết bài internal blog, present tại team meeting. Đây là cách nhanh nhất để được promote.

3. VIB đang đầu tư mạnh vào AI/ML: Nếu bạn có nền tảng Python + ML, đây là cơ hội vàng để "lấy leo" thăng tiến.

4. Đừng bỏ qua compliance: Nhiều bạn DA trẻ ghét phần này, nhưng hiểu rủi ro & tuân thủ sẽ giúp bạn được tin tưởng hơn – đây là lợi thế cạnh tranh.

5. Network với data community:

  • Vietnam Data Analytics (Facebook group).
  • PyData Vietnam, R-Vietnam.
  • Các hội thảo: DataCon, Vietnam Web Summit.
  • LinkedIn: theo dõi các Data Leader ở VN (như anh Tony Ngo – Head of Data Techcombank, chị Trang Phạm – cựu CDO FE Credit).

6. Cân nhắc thời điểm chuyển việc: Sau 2-3 năm ở VIB, bạn có thể nhảy sang:

  • Techcombank, VPBank, MB, ACB – top private bank.
  • Fintech: MoMo, ZaloPay, Timo, Cake.
  • Big Tech có division fintech: Google, Microsoft Vietnam.
  • Multinational bank: HSBC, Standard Chartered, Citi.

7. Về lương khi deal: Khi đàm phán, đừng chỉ nói gross mà hãy tính tổng package (lương + thưởng + ESOP + BH + phúc lợi). Đặc biệt với cấp Senior, có thể deal thêm training budget, remote day.

Câu hỏi thường gặp

Em mới ra trường, có 1 năm kinh nghiệm làm data ở công ty FMCG. VIB có nhận em không khi JD yêu cầu tối thiểu 2 năm?

Khả năng cao là không, vì JD VIB yêu cầu tối thiểu 2 năm cho cấp Chuyên viên. Tuy nhiên, em có thể:

1. Apply vị trí tương đương ở công ty khác để tích lũy thêm 1 năm, sau đó quay lại VIB.
2. Apply vị trí intern/junior nếu VIB có mở (ít khi nhưng có thể).
3. Tập trung vào những điểm mạnh nếu bạn đã làm data FMCG thì có thể pivot sang ngân hàng dễ hơn (vì mindset phân tích đã có).
4. Học thêm về ngân hàng (chứng chỉ, dự án cá nhân) để tăng sức hấp dẫn.

Thực tế: 1 năm kinh nghiệm FMCG + hiểu biết ngân hàng tốt + portfolio mạnh vẫn có cơ hội vị trí junior ở một số ngân hàng mid-tier.

Lương Data Analyst ở VIB khoảng bao nhiêu? Mình đang deal với HR thì nên đề xuất con số nào?

Mức lương VIB cho Data Analyst (gross/tháng):

  • Chuyên viên (2 năm): 18-25 triệu
  • Chuyên viên chính (3-4 năm): 25-38 triệu
  • Chuyên viên cao cấp (5-6 năm): 40-60 triệu
  • Chuyên gia (7+ năm): 60-95 triệu

Mẹo deal:
1. Đừng nói mức hiện tại của bạn – chỉ nói mức mong muốn.
2. Đề xuất cao hơn 15-20% so với mức hiện tại (nếu đang nhảy việc).
3. Yêu cầu breakdown: lương cứng + KPI + thưởng T13/T14 + ESOP.
4. Nếu HR đề xuất thấp, có thể đàm: "Với 5 năm kinh nghiệm + chứng chỉ AWS, market rate là X, mức này mình chưa đồng ý được."
5. Đừng deal ngay trong vòng HR đầu – thường để sang vòng sau sẽ có nhiều quyền hơn.

Mình đang làm Business Analyst ở ngân hàng khác (Techcombank), muốn chuyển sang Data Analyst ở VIB. Có nên không? Cần chuẩn bị gì?

Nên, vì:

  • Bạn đã có nền tảng ngân hàng (điểm cộng lớn với VIB).
  • Data Analyst hiện là trend hot, lương tốt hơn BA truyền thống 10-20%.
  • VIB có văn hóa đổi mới mạnh (đặc biệt về digital).

Cần chuẩn bị:
1. Ôm lại SQL & Python: BA thường dùng Excel nhiều, hãy luyện SQL 1-2 tuần + Python pandas.
2. Học Power BI/Tableau: Nếu chưa thành thạo.
3. Làm 2-3 project data cá nhân: Tự phân tích data Techcombank (nếu có data mẫu), đưa lên GitHub.
4. Chứng chỉ Google Data Analytics trên Coursera (1 tháng).
5. Highlight nghiệp vụ ngân hàng trong CV – đây là lợi thế cạnh tranh.

Lưu ý: Lương có thể giữ nguyên hoặc tăng nhẹ ở lần nhảy này, đừng kỳ vọng quá cao.

JD nói cần 7 năm kinh nghiệm cho Chuyên gia nhưng mình mới có 5 năm. Có nên apply không?

Nên apply. Lý do:

1. JD là guideline, không phải rào cản cứng: Nhiều HR/hiring manager sẵn sàng linh hoạt nếu ứng viên có chất lượng cao.
2. 5 năm + portfolio mạnh = đủ cạnh tranh với cấp Chuyên viên cao cấp (CVCC). Bạn có thể được offer ở cấp này.
3. "Chuyên gia" trong ngân hàng thường liên quan đến khả năng strategic + leadership hơn là số năm tuyệt đối.

Cách apply hiệu quả:

  • Trong CV, đề cao impact của 5 năm (dùng con số, % cải thiện).
  • Nêu rõ: dự án data lớn nào bạn đã lead, team size, business outcome.
  • Trong cover letter, viết: "Với 5 năm kinh nghiệm + X dự án data banking + Y chứng chỉ, tôi tin mình có thể đảm nhận vị trí Chuyên viên cao cấp/Chuyên gia."
  • Worst case: bạn được offer cấp thấp hơn với mức lương tốt + lộ trình thăng tiến nhanh.

Phỏng vấn Data Analyst ở VIB có khó không? Tỷ lệ đậu bao nhiêu?

Khá cạnh tranh, đặc biệt vị trí senior. Ước tính:

  • Số CV/ JD: 80-150 hồ sơ.
  • Qua vòng HR: ~20-30 người.
  • Qua vòng technical: ~5-8 người.
  • Qua vòng cuối (offer): 1-2 người.

Lý do khó:
1. JD yêu cầu cả kỹ thuật + nghiệp vụ ngân hàng (ít người đáp ứng cả 2).
2. VIB là top private bank → thu hút nhiều ứng viên giỏi.
3. Cấp Senior/Expert yêu cầu leadership → hẹp hơn.

Để tăng tỷ lệ đậu:

  • Chuẩn bị kỹ cả technical lẫn business.
  • Có portfolio thực tế (không phải lý thuyết).
  • Network trong nội bộ VIB (nhờ referral nếu có thể – tỷ lệ vào cao hơn 30%).

Làm Data Analyst ở ngân hàng có khác gì so với công ty công nghệ (như MoMo, Tiki, Shopee)?

Khác biệt lớn:

Yếu tố Ngân hàng (VIB) Công ty công nghệ (MoMo/Shopee)
Tốc độ làm việc Chậm hơn, nhiều quy trình Nhanh, agile, ship liên tục
Data Structured, ít event-based Event-based, big data, real-time
Tuân thủ Rất cao (NHNN, Basel) Vừa phải
Stakeholder Nhiều phòng ban, dễ conflict PM, Marketing thường thống nhất
Tech stack Oracle, SQL Server, Power BI Spark, BigQuery, Looker
Văn hóa Bảo thủ, hierarchy Flat, năng động
Lương Ổn định, tăng đều Có thể cao hơn 20-30% cho cấp senior
Thử thách Data governance, legacy system Real-time pipeline, ML scale

Nên chọn ngân hàng nếu:

  • Thích sự ổn định, ít risk.
  • Muốn hiểu sâu tài chính.
  • Thấy thú vị với compliance & governance.

Nên chọn tech/fintech nếu:

  • Thích tốc độ, công nghệ mới.
  • Muốn xây pipeline big data.
  • OK với volatility.

Mình có chứng chỉ Google Data Analytics và AWS Cloud Practitioner, nhưng chưa có kinh nghiệm ngân hàng. Có cơ hội vào VIB không?

Có cơ hội nhưng không cao bằng người có kinh nghiệm NH. Vì:

  • JD nhấn mạnh: "kinh nghiệm thực hiện các dự án liên quan đến dữ liệu khách hàng trong ngân hàng".
  • HR thường sàng lọc keyword này trong CV.

Cách tăng cơ hội:
1. Làm 1-2 project data ngân hàng tự tạo: dùng data Kaggle (Bank Marketing, Credit Card Fraud), viết case study gắn với sản phẩm VIB.
2. Học về KYC, Basel, credit scoring – hiểu ngôn ngữ của ngân hàng.
3. Trong CV, dùng từ khóa ngân hàng: "customer segmentation", "churn analysis", "credit risk analytics", "transaction monitoring".
4. Apply vào vị trí thấp hơn (Chuyên viên, 2 năm) thay vì Senior.
5. Network với người trong ngân hàng – nộp referral sẽ có lợi thế hơn rất nhiều.

Nếu bạn đang ở công ty fintech có dòng chảy với VIB (MoMo, ZaloPay, Timo) thì kinh nghiệm fintech được tính tương đương 70-80%.

JD có 15% cho risk & compliance, mình không thích phần này. Có nên apply không?

Nên apply. Lý do:

1. 15% là tỷ trọng nhỏ – bạn vẫn dành 70% thời gian cho data governance và analysis (mi phần 35%).
2. Hiểu risk/compliance thực ra là lợi thế cạnh tranh – 80% DA không thích và không giỏi phần này, nếu bạn chịu học, bạn sẽ nổi bật.
3. Đây là xu hướng tất yếu: Nghị định 13/2023 về bảo vệ dữ liệu cá nhân + Basel IV + AI Act → Data Analyst không hiểu compliance sẽ bị淘汰 trong 3-5 năm tới.
4. Phần risk thường giao cho junior, bạn (senior) chỉ cần review & approve.

Nếu vẫn không thích, có thể cân nhắc:

  • Các vị trí DA ở fintech thường ít compliance hơn.
  • Hoặc DA ở phòng marketing/product (ít data khách hàng nhạy cảm hơn).
  • Hoặc r sang Data Engineer – gần như không liên quan compliance.

Mình đang ở VIB được 3 năm với vai trò Business Analyst, muốn xin chuyển sang phòng Data Analytics. Quy trình thế nào? Có khó không?

Cơ hội cao vì bạn đã là insider – đây là lợi thế lớn.

Quy trình chuyển phòng ở VIB:
1. Nói chuyện với manager hiện tại trước (lịch sự, xin phép).
2. Liên hệ hiring manager phòng Data Analytics qua network internal.
3. Nộp đơn qua hệ thống HR internal.
4. Phỏng vấn nội bộ (1-2 vòng, thường nhẹ hơn external).

Để tăng cơ hội:
1. Học thêm SQL/Python ít nhất 2-3 tháng trước khi apply.
2. Làm project data phụ cho team BA hiện tại (chứng minh năng lực).
3. Tham gia các bui chia sẻ data của team Data Analytics (nếu có).
4. Tìm mentor ở phòng Data để hướng dẫn.
5. Có thể đề xuất làm song song 30% thời gian cho team Data trong 2-3 tháng để thử trước khi chuyển chính thức.

Lưu ý: VIB có chính sách khuyến khích rotation nội bộ, đây là cơ hội tốt để bạn tăng lương 15-25% khi chuyển sang role mới mà không cần nhảy việc.